这集讲什么
前英特尔 CEO 帕特·基辛格认为技术公司失速始于放弃长期技术投入，而 AI 时代的机会与风险都将受到能源和芯片供应链约束。
1-3要点
- 帕特对英特尔的诊断是连续的组织问题：技术领导、人才晋升、设备投资与开放制造能力相互影响。
- 苹果提前储备系统与芯片能力，英伟达持续建设软件栈；新市场的出现放大了这些早期投入。
- 台积电的优势不仅是产能，也包括让不同设计公司能够使用其制造能力的标准化接口。
0:00 / --:--
All-In Podcast · 7 月 15 日
Jensen Huang认为AI的安全与创新可以并行，政府应关注实际问题而非过度监管，同时强调开放源代码与闭源模型在AI生态系统中各有价值。
前英特尔 CEO 帕特·基辛格认为技术公司失速始于放弃长期技术投入，而 AI 时代的机会与风险都将受到能源和芯片供应链约束。
这集还没有学习卡。生成后会保存在这一集，下次直接打开。
All-In Podcast· 2026-07-10开源胜出、AGI 已经到来，以及 Scorsese 的 AI 工具包——与 Cerebras 和 Black Forest Labs 的 CEO 对谈Open Source Wins, AGI Is Here, and Scorsese's AI Toolkit with CEOs of Cerebras & Black Forest Labs同一位嘉宾：Jensen HuangAll-In Podcast· 2026-09-14Jensen Huang：末日论骗局、超级智能已经到来，以及 AI 的未来（特朗普总统参与）Jensen Huang: The Doomer Hoax, Superintelligence Is Here, and The Future of AI (ft. President Trump)同一位嘉宾：Jensen Huang
All-In Podcast
Former Intel CEO on What Went Wrong, What's Next + Lovable CEO on the Real Promise of Vibe Coding
YouTube
音频
这集把两个看似不同的问题接在一起：一家曾定义个人电脑时代的芯片公司，为何错过后来更有价值的计算与制造模式；而当生成式 AI 降低软件开发门槛，下一代平台又该把能力积累在哪里。
帕特在英特尔工作了 34 年。他从技术领导、资本开支和供应商关系回看英特尔，分别以苹果自研芯片、英伟达的软件栈、台积电的开放代工模式作对照。Lovable 创始人则把讨论从「能否快速生成应用」推进到支付、安全、托管、企业数据连接，以及如何让用户真正经营业务。两段访谈共同关心的不是一次演示有多惊艳，而是技术和组织能否持续交付。
本集最有意思的对照，是两位嘉宾从相反方向描述「复利」。帕特认为，英特尔的损失不能只归结为错过某一笔订单：技术领导力被削弱、工厂和设备投资推迟、制造流程未向外部设计者标准化，使几种原本可独立修正的短板相互放大。苹果则提前积累操作系统迁移与芯片设计能力；英伟达让 GPU 软件栈逐代成熟；台积电把服务不同客户的制造流程做成行业接口。他给出的教训是，重大技术投资不能只用当期电子表格判断。
但他并不因此认为 AI 建设可以无限加速。能源供给限制数据中心扩建，台湾能源储备与晶圆厂停机风险又暴露出另一种硬约束。他一面预期长达数十年的 AI 建设，一面承认高估值会修正；其关于封锁后果及量子计算时间表的强判断，也需要同审慎的供应链分析和可验证的工程里程碑区分开。
Lovable 的故事把「复利」转向软件生产。创始人称，平台每周新增约 100 万个项目，但真正要跨越的是从做出产品到经营业务：生成界面之后，还要处理安全、支付、托管、连接旧系统和持续改进。主持人的内部网案例展示了成本与时间可能大幅下降，却不是所有组织都能复制的报价单。对读者而言，最实用的判断标准也随之改变：少问 AI 能否一次写出漂亮应用，多问它能否在真实数据、权限、费用和用户反馈中可靠运行。工程不再总是最稀缺的环节后，选择做什么、如何验证需求，反而更难外包给模型。
💬 他们说了什么：帕特说，自己 18 岁加入英特尔，早年的高管会议约 20 人中有 15 位博士；格鲁夫、摩尔、诺伊斯等领导者都有深厚技术背景。他认为公司后来更多由商业管理者主导，而管理者又会提拔与自己相似的人。他还说，在自己重返英特尔前的五六年，公司向股东返还约 1000 亿美元；重返时公司已有约十年未建新厂，EUV 设备投资也不足。
💡 为什么重要：这不是「技术人优于财务人」的简单口号，而是一个人才与投资选择相互强化的组织机制：谁作决定，会影响下一批谁有权作决定。
⚡ 争议点：返还股东资金与错失投资之间存在机会成本，但不能仅凭这组数字证明资金若留在账上就一定能换来领先工艺。
💬 帕特回忆，苹果曾要求英特尔芯片更小、更省电；乔布斯在合作期间，已让此前四个版本的操作系统具备向 x86 迁移的准备能力。他认为苹果后来逐步积累自研芯片能力，是为了让系统设计与芯片设计共同优化。英特尔起初轻视 GPU，但英伟达持续完善 CUDA 等软件栈，GPU 随后进入高性能计算等新用途；帕特说英特尔的 Larrabee 项目在他首次离职后一周被终止。
💡 苹果和英伟达都不是先准确预言最终市场，再一次性完成产品；它们先保留能力和接口，让新用途有机会出现。
⚡ 帕特推想 Larrabee 若未被取消，世界会很不一样；这是反事实判断，转写没有提供项目继续推进后的可验证结果。
💬 帕特称，一座先进工厂需要约 200 亿至 300 亿美元。英特尔长期采用自行设计、自行制造的模式，工艺和工具高度专有；台积电则以「不管是谁设计芯片，都可成为其制造伙伴」为方向，服务更广的设计生态。他说自己重返英特尔时，台积电的晶圆产量约为英特尔的 5 倍；访谈稍后主持人提到的对比已接近 7 倍。帕特将转向代工服务称为英特尔新战略的核心之一。
💡 代工竞争不只是比谁有工厂，还要让外部客户能够用标准化设计工具、流程与产能完成芯片。
⚡ 5 倍与 7 倍是访谈中的口头比较；统计时期、晶圆口径和工艺结构均未交代。
💬 帕特说，美国先进制造占比从约 12% 上升到约 18%，并认为《芯片法案》已有成效，但距离他提及的 50% 仍很远。他援引报道，称台湾能源储备不足三周；若能源中断导致晶圆厂停机，重新启动可能要 90 天。他据此主张提高供应链韧性，而不是只讨论能否把产能搬到美国。
💡 晶圆制造依赖持续供电和复杂的在地配套；在供应链评估中，「工厂在哪里」不足以回答「冲击后多久能恢复」。
⚡ 「停机后需 90 天」及全球经济冲击超过大萧条，都是访谈中的强判断，不能当作已证实的统一情景预测。
💬 面对 AI 是否有泡沫的问题，帕特认为能源容量会限制 GPU 与数据中心的扩建速度；他称全球能源容量增长约 4%—5%，而美国曾有十年约为 1%。他看好持续数十年的建设，并提出让 AI「好 1 万倍」、让每 token 成本和能耗下降五个数量级的目标。他同时承认，企业估值倍数过高时会出现修正，长期发展不会是一条平滑曲线。
💡 需求前景、资本回报和物理供给是三道不同的题；相信 AI 有长期价值，并不等于认定每一期投入或每一家公司的估值都合理。
⚡ 「好 1 万倍」与「下降五个数量级」并非同一量级，访谈没有给出统一指标、基期或完成时间。
💬 帕特把经典计算、AI 计算和量子计算称为「计算三位一体」，预期 2030 年前出现有意义的量子成果。他举出化学、生物和物流等可能受益的领域，认为多种量子路线都已展示成果，下一步关键在工程规模化。他也说明自己投资组合中有一家量子计算公司。
💡 将量子技术与现有计算体系并列，意味着他的判断不是「用量子取代一切」，而是期待不同计算方式共同解决问题。
⚡ 有意义成果、特定行业可用结果与影响加密系统，是不同门槛；其投资关系也应与技术预测一并考虑。
💬 Lovable 创始人把使命分为两步：帮助人建立产品，再帮助人围绕产品建立业务。他称平台上线约 20 个月，每周新增约 100 万个项目，累计建成超过 5000 万个应用，这些应用每月获得超过 7 亿次访问。约 20% 的用户有技术或工程背景，其余约五分之四没有；他称企业业务目前增长最快。
💡 非技术用户的大规模进入，改变了软件需求的表达方式；不过项目数、应用数和访问数衡量的是不同环节，不能互相替代。
⚡ 这些均为受访者口述的平台数据，访谈没有提供项目活跃度、访问去重方式或企业增长基数。
💬 创始人称，已有用户在 Lovable 上经营年收入超过 100 万美元的业务。平台试图把架构、支付、邮件、搜索发现、工具连接及安全扫描纳入生成和运行流程；他说变更后会进行扫描，也会在后台监控项目。杰森据此提出，氛围编程已不再只用于线框图或演示原型。
💡 应用是否能交付，取决于上线后能否收款、保护数据并持续维护，而非首屏是否生成得快。
⚡ 平台承担部分安全工作，不等于每个生成应用都自动符合其所属行业或企业的全部安全要求。
💬 杰森说，Founder University 的负责人自行用 Lovable 在约 4—8 小时内建成内部网；他认为过去做同类项目可能花费约 50 万美元。随后团队又为一个包含 50 家公司的项目加入经济影响分析，涉及就业、税收、住房租金与工资等输入。他估计本次制作与一年软件费用合计低于 2000 美元；访谈中提到套餐起价 25 美元，商业方案约 50 美元。
💡 最显著的变化是业务负责人能直接制作并修改所需工具，减少从提出需求到获得可用系统之间的等待。
⚡ 50 万美元是主持人对过往开发成本的估计，不是同规格项目的正式竞标报价；其内部网安全性仍需要独立测试。
💬 创始人说，Lovable 的托管产品线增长快于建站功能，平台正与部分客户预试可分析业务数据、提出经营建议的「AI 联合创始人」。他举例称，一家护理相关企业用定制应用替换了超过 10 种内部工具，每年节省超过 100 万美元。他同时认为，定制界面不必取代所有底层系统：用户仍可连接 Salesforce、HubSpot 等现有工具。
💡 软件生成成本下降后，企业可以重新评估「沿用通用工具、定制界面、彻底替换」三种路径，而不是预设所有 SaaS 都会消失。
⚡ 预试中的经营建议与已实现的成本节省并非同一成熟度；节省数字也来自单个受访者案例。
💬 创始人称，Lovable 按任务在多家商业前沿模型及开放权重模型之间路由，并针对模型出错之处建立数据集、进行强化学习；斯德哥尔摩团队负责后训练。他说不会仅因便宜就选用可测得更差的模型。平台设置使用上限及加购方式；谈到最低档用户的额外付费时，他给出「约 60%」的口头估计，但没有披露利润率。
💡 应用平台的差异化可能来自任务路由、错误反馈、运行环境与用户工作流，而不只是接入哪一个底层模型。
⚡ 主持人提出的盈利状态没有得到直接确认；「约 60%」的统计对象和周期也不清楚。
💬 杰森说，团队为日本和美国分别建了两个内部网，而不是先合成一套需求。Lovable 创始人赞成让不同团队快速尝试，再挑选各版本的有效设计、迁移功能并做分组测试。他认为，当工程实现不再是主要瓶颈，更难的问题是确定该建什么；即使新模型首次生成的作品更精致，人仍需共同规划、提供正确数据并判断实验方向。
💡 低成本开发使并行试验成为可选项，也把产品判断与结果测量推到更核心的位置。
⚡ 并行项目会带来权限、数据及后续维护的分叉；快速试验仍需明确何时合并或停用版本。
中：「你不会通过电子表格来作出那些影响数十亿美元的核心技术决策。」 EN：“When you're making these hard core technical decisions that affect billions of dollars, you don't do that through a spreadsheet.”
中：「我不在乎是谁的芯片，也不在乎你设计什么；我来做你的制造伙伴。」 EN：“I don't care whose chip it is. I don't care what you're designing. I'll be your manufacturing partner.”
中：「没人会在没有能源的情况下购买 GPU、建设数据中心。」 EN：“Nobody's going to build and buy GPUs and build data centers if they don't have energy.”
中：「你为建软件而来，却为经营业务而留下。」 EN：“You come to build the software, but you stay to build the business.”
中：「既然工程不再那么受限，问题就更在于：什么才是该建的东西。」 EN：“Since the engineering is less of the bottleneck, it's more the question of what is the right thing to build.”
这两段访谈可以用「谁掌握长期反馈」串起来。英特尔的案例中，失去外部代工客户意味着较少机会围绕多样化设计改进制造接口；Lovable 则试图从大量项目中的错误、工具调用和用户结果持续改善系统。两者所处产业不同，却都说明平台能力不能只靠一次技术突破维持，还需要反复吸收真实使用中的信息。
另一个交点是垂直整合的边界。苹果希望芯片与系统协同，英特尔曾把制造留给自家产品；Lovable 则在自有托管与模型能力之外，继续连接外部模型、云服务和企业软件。访谈没有给出一种放之四海而皆准的「全自研」答案。更实用的提问是：哪些能力决定产品体验，必须由自己持续掌握；哪些接口应当开放，才能获得更多用户、用途和反馈？
